面向草图检索的小样本增量有偏学习算法

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.     

联合相关反馈在医学图像检索中的应用

为进一步提高基于内容的医学图像检索性能,本文对相关反馈算法和全局特征进行研究。将基于模糊区域特征的图像检索和相关反馈算法与基于SVM的相关反馈算法结合起来,对复杂的区域特征采用基于模糊区域特征相关反馈算法,对全局特征采用能同时使用正例和负例图像的基于SVM的相关反馈算法,提出联合相关反馈算法。实验结果表明,采用这些方法后,检索结果有了很大的提高。     

手绘草图识别中的相关反馈方法

手绘草图是人类思维外化和表达设计意图的有效工具之一,手绘草图的模糊性和用户适应性问题是草图识别中的关键问题。本文提出了将相关反馈机制引入到手绘草图识别中以捕捉用户意图的方法,该方法以抽取手绘草图的向量化特征为基础,首先利用基于图形特征的相似度计算,给出手绘草图候选识别结果集,然后借助用户对识别结果的相关性评价,通过逐渐调整图形构成特征的权重来捕捉用户输入意图,并提高识别效果。实验表明本文所提出的方法具有很好的效果。     

基于空间关系的手绘草图检索

手绘草图是人类最自然的人机交互方式,在普适计算模式下手绘草图将得到越来越多的应用,手绘草图的检索也成为一个新的课题。本文提出一种高效的草图检索方法,该方法以独立于用户绘制习惯的手绘草图统一表示为基础,以手绘草图空间关系为检索相似度匹配特征,并采用特征点调整的相关反馈机制优化检索结果。实验表明本文提出的方法具有很好的检索效果。     

一种基于多分类SVM的相关反馈图像检索方法

相关反馈技术是近年来图像检索中的重要研究方向,它有效地缩短了用户高层语义和图像底层视觉特征的差距,大大提高了系统的检索精度,SVM因其通用性和出色的分类能力逐渐被引入到图像检索系统中.为了进一步提高检索效率,采用三级反馈机制引入模糊相关,用户对检索结果标记为相关图像、模糊相关图像和不相关图像,并对经典的查询向量点移动算法进行修改,在此基础上运用多分类SVM提出一种新的相关反馈图像检索方法.试验表明这是一个有效的方法.提高了图像检索效率.     

一种基于显著点和SVM相关反馈的图像检索方法

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM(support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点;然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.     

面向稠密检索的伪相关反馈方法

伪相关反馈(PRF)机制是一种自动化的查询扩展(QE)技术,它利用原始查询和初次检索中前N篇文档蕴含的信息构建更加准确的查询,从而进一步提高信息检索系统的性能.但是,现有的面向稠密检索的PRF方法由于对文本的截断处理容易造成语义信息的缺失,而且在检索阶段的空间复杂度较高.针对上述问题,提出了一种基于段落级粒度且适用于长文本稠密检索的PRF方法Dense-PRF.首先,通过计算语义距离从初次检索的前N篇文档中获得相关段落的向量;其次,对相关段落向量进行平均池化以得到QE项向量;然后,按照权重结合原始查询向量和QE项向量构建新的查询向量;最后,根据新的查询向量得到最终检索结果.在Robust04和WT2G两个经典长文本测试集上将Dense-PRF与基线模型进行了对比实验,相较于模型RepBERT+BM25,Dense-PRF在前20篇文档的准确率和归一化折现累计效益(NDCG)指标上分别提升了1.66、1.32个百分点和2.30、1.91个百分点.实验结果表明Dense-PRF能有效缓解查询与文档词汇不匹配的问题,并提升检索精度.     

基于线性规划分类器的相关反馈技术

提出了一种基于线性规划分类器的相关反馈方法．所设计的线性规划分类器将特征选择和分类学习结合起来，使其不仅能在利用用户标注的小样本条件下进行实时训练，而且能根据样本对分类的贡献程度选择用户反馈中的敏感特征，从而能在相关反馈小样本训练条件下有效捕捉用户的反馈意图．针对草图检索的实验结果验证了所提出方法在相关反馈中的有效性．     

一种基于检索结果集的图像检索相关反馈算法

基于内容的图像检索相关反馈方法大都把着眼点放在调整用户反馈和修改系统的查询策略上,忽略研究每轮检索结果包含的丰富信息。本文基于移动查询点算法,提出截取部分检索结果作为检索结果集,在结果集中使用SVM方法并以系统交互过程的记忆为辅助得到最终结果的方法。由对比实验表明,本文的方法比传统反馈方法具有更高的查准率和查全率。     

基于受限随机选择和检索结果集的相关反馈

本文将相关反馈看成一个二分类问题,从反馈中固有的问题和用户的需求为出发点,在传统的移动查询点的基础上,提出了改进的基于受限随机选择和检索结果集的图像检索相关反馈系统。实验证明,该方法很好的解决了反馈中固有的小样本问题和正负样本不对称的问题。同时,综合利用用户的反馈信息,在较少的反馈次数内得到了较好的检索准确率。     

一种基于内容图像检索的半监督和主动学习算法

为了提高图像检索中相关反馈算法的效率,提出了一种新的基于相关概率的主动学习算法SVMpr,并结合半监督学习,设计了基于半监督的主动学习图像检索框架。在相关反馈过程中,首先利用半监督学习算法TSVM对标记样本进行训练,然后根据提出的主动学习算法从未标记图像中选取k幅有利于优化学习过程的图像并反馈给用户标记。与传统的相关反馈算法相比,该文提出的图像检索框架显著提高了学习器的效率和性能,并快速收敛于用户的查询概念。     

基于LMISVM的相关反馈图像检索

相关反馈技术是基于内容图像检索研究的热点。本文针对现有SVM相关反馈中假定相关图像的所有特征为相关这一不完全准确假设,提出了MISVM短期机器学习相关反馈方法。该方法采用多示例学习方法确定图像中每个特征的相关程度来提高SVM的分类准确性;在此基础上,为进一步提高系统反馈速度与准确率,通过保存以前训练好的分类器和反馈样本,提出了基于LMISVM长期机器学习的相关反馈方法。文中提出的两种方法与其它方法进行了比较实验,结果表明该方法优于其它方法。     

一种基于SVM的相关反馈图像检索算法

相关反馈技术是近年来图像检索中的研究热点,本文以MPEG-7的边缘直方图作为图像特征,以支持向量机（SVM）为分类器,提出一种新的相关反馈算法。在每次反馈中对用户标记的相关样本进行学习,用历次返回的结果更新训练样本集,建立SVM分类器模型,并根据模型进行检索。本文还对不同核函数的SVM进行了对比,得出RBF核函数的SVM有较高的检索精度。使用由10000幅图像组成的图像库进行实验,结果表明,该算法可有效地检索出更多的相关图像,并且在有限训练样本情况下具有良好的泛化能力。     

图像内容检索中的相似性度量和相关反馈

在颜色RGB三维空间中，结合空间解析几何，以分块直方图图像检索为基础，提出了特征向量的球域相似性度量算法，同时还时相关反馈进行了深入研究，改进了区域权重自动调整的相关反馈。最后，通过时检索结果进行验证，本文所叙述的方法有良好的检索效果。     

基于颜色特征图像检索与相关反馈综合研究

介绍了三种基于颜色特征的图像检索算法,说明了相关反馈的基本原理,随后指出上述三种算法各自的优势与不足,提出了把上述三种算法和相关反馈进行综合考虑的算法思想,并通过实验数据给出说明该方法效率明显高于前三种方法,最后提出了该方法的进一步发展方向。     

基于颜色特征图像检索与相关反馈综合研究

介绍了三种基于颜色特征的图像检索算法，说明了相关反馈的基本原理，随后指出上述三种算法各自的优势与不足，提出了把上述三种算法和相关反馈进行综合考虑的算法思想，并通过实验数据给出说明该方法效率明显高于前三种方法，最后提出了该方法的进一步发展方向。     

一种新的基于SVM的相关反馈图像检索算法

提出了一种新的基于支持向量机(SVM)的相关反馈图像检索算法。实验结果表明,该算法在一定程度上解决了基于SVM的相关反馈图像检索中存在的样本不足的困难,提高了系统的检索性能。     

历史信息学习的相关反馈图像检索

相关反馈技术被有效的应用于基于内容的图像检索.传统的相关反馈未能充分利用检索的历史信息.为了进一步提高检索的效率与准确性,提出一种基于历史检索信息学习的相关反馈检索方法.该方法将每次检索的结果作为历史检索信息保存.进行新的检索时,判断当前查询图像与历史检索信息的语义相关性,预测检索结果,以期减少相关反馈次数.对包含80 00幅图像的图像库实验表明,与传统相关反馈技术相比,该方法明显的改善了检索性能.     

基于语义的自然图像检索及相关反馈算法研究

该文通过对图像进行分块,提取各子块颜色直方图构建出各图像的主颜色信息,建立语义矩阵,完成了图像的提取,通过相关反馈完成了图像的检索。实验表明,加入语义的图像检索速度显著提高,有效的缩减了高层语义和低层特征的鸿沟。